NVIDIA:n avoimen lähdekoodin työkalut nopeuttavat tekoälyohjattujen 6G-langattomien verkkojen kehitystä

Kuva: NVIDIA · Lähde

NVIDIA:n avoimen lähdekoodin langaton ohjelmisto ja työkalupaketit, mukaan lukien Aerial ja Sionna, mahdollistavat tutkijoiden rakentaa ja simuloida tekoälylle natiivien 6G-verkkojen toimintaa parannetulla signaalinkäsittelyllä, energiatehokkuudella ja robotiikan reagoivuudella.

Vuosi sen jälkeen, kun NVIDIA julkaisi Aerial-langattoman ohjelmistonsa avoimena lähdekoodina, yhtiö tukee tutkijoita ja kehittäjiä ympäri maailmaa nopeuttamaan seuraavan sukupolven 6G-verkkojen suunnittelua ja testausta. Perustaen AI Aerial -sarjaan ja Sionna-avointen lähdekoodien kirjastoon, nämä työkalut yhdistävät langattoman simuloinnin, tekoälyn harjoittelun ja käytännön kokeilut yhtenäiseksi ohjelmistoekosysteemiksi.

NVIDIA AI Aerial ja Sionna -alustat ovat saaneet nopeaa käyttöönottoa, yli miljoona latausta ja yli 8 000 akateemisen ja tutkimuslaitoksen käyttöön ympäri maailmaa. Yhdessä ne tarjoavat perustan 6G-verkkojen kehitykselle, jotka laajentavat datansiirtoa edistyneeseen signaalin vastaanottoon, energianhallintaan, robotiikan ohjaukseen ja adaptiiviseen yhteyteen.

Eräässä tutkimushankkeessa King's College Londonissa käytettiin NVIDIA Sionnaa ja NVIDIA Jetson AGX Orin -laitteistoa yhdistämään kameravarusteltu robottiote ohjelmistopohjaiseen 5G- ja reunalaskentatukeen. Lähettämällä tiiviitä semanttisia kuvauksia täydellisten kuvien sijaan, järjestelmä lyhensi tehtävän suorittamisaikaa yli 50 % ja paransi onnistumisprosenttia esineiden käsittelytehtävissä. Tavoitteeseen perustuva semanttinen kommunikaatio mahdollistaa robottien nopean ja luotettavan reagoinnin dynaamisissa ympäristöissä.

Toisessa esimerkissä SoftBank integroi neuroverkkoperusteisen tekoälyvastaanottimen NVIDIA:n CUDA-kiihdytettyyn RAN (ACAR):iin parantaakseen 5G-signaalin vastaanottoa. Testaukset kaupallisilla 5G-älypuhelimilla häiriöissä osoittivat jopa 60 % paremman lähetysominaisuuden verrattuna tavallisiin vastaanottimiin. ETH Zürichin tutkijat hyödynsivät NVIDIA:n työkaluja virittääkseen neuroverkkovastaanottimia paikallisten radioviestintäolosuhteiden mukaan, mikä laski huomattavasti virhetaajuuksia.

Energiatehokkuus on kriittinen painopistealue, kun 6G yhdistää miljardeja laitteita. Leedsin yliopiston tutkijat kehittivät ennakoivan tekoälyjärjestelmän, joka säätää tukiasemien virrankäyttöä verkon kysynnän ennusteiden perusteella, vähentäen RAN-virrankulutusta lähes 46 % katkaisematta yhteyksiä. Heidän testauksensa hyödynsi NVIDIA DGX Spark -alustoja ja digitaalisia kaksosia reaaliaikaiseen validointiin.

Nopeamman innovaatiosyklin mahdollistamiseksi Centre Tecnològic de Telecomunicacions de Catalunya yhdisti GPU-kiihdytetyt radiokanavamallit, jotka toimivat NVIDIA ACAR:illa, avoimen lähdekoodin 5G-LENA-verkkosimulaattoriinsa. Tämä lyhensi monimutkaisten simulointien ajoaikoja useista tunneista alle 20 minuuttiin, mahdollistaen tutkijoiden tehokkaamman suunnittelujen ja skenaarioiden arvioinnin.

NVIDIAN avoimen lähdekoodin langattomat ohjelmistokomponentit, mukaan lukien Aerial CUDA-kiihdytetty RAN ja modulaarinen Python-pohjainen Sionna-kirjasto, tarjoavat erittäin optimoituja rakennuspalikoita 5G:n ja uuden 6G:n tutkimukseen. Yhdistämällä kehittyneet simulaatiot, tekoälyohjatun signaalinkäsittelyn ja käytännön käyttöönotot nämä työkalut edistävät älykkäiden, adaptiivisten langattomien verkkojen kehitystä, jotka palvelevat miljardeja ihmisiä, koneita ja autonomisia järjestelmiä.

Kehittäjät ja tutkijat voivat käyttää näitä alustoja GitHubissa ja osallistua NVIDIA:n 6G Developer -ohjelmaan tapahtumissa ja koulutuksissa, jotka keskittyvät tekoälylle natiivien langattomien verkkojen innovaatioihin.